IA Révision Flashcards

1
Q

Qu’est-ce que TensorFlow

A

TensorFlow: Librairie Open source pour traitement de données à l’aide d’un graphe de flux de données.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Qui a développé TensorFlow?

A

ingénieurs de Google Brain

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Utilités de TensorFlow

A

Reconnaissance d’images
Reconnaissance Vocale
Recherche Internet
Capture d’image
Robotique
Prédire quelque chose en ayant un ensemble de “features”.
Exemple: Prédire le coût d’une maison selon sa taille, son emplacement, sa configuration.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Les 4 étapes de l’entraînement de TensorFlow:

A
1- Équation
	On trouve la bonne équation
2- Cost-Function
	On trouve la valeur réelle de Y
	On calcul le coût avec l’équation
3- Les données
	Vrai données ou générées pour servir de comparable
4- L’entraînement
	On boucle sur les données. Les résultats doivent 
         tendre vers la pente idéale.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

ANN - MLP

A

(Artificial Neural Network - Multi-layer perceptron)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Quelles sont les trois couches?

A

Entrée, cachée, sortie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Couche de sortie:

A

Couche de sortie: Résultat. Nombre de neurones selon le nombre de réponses attendues. Les réponses sont entre 0 et 1. L’interprétation est faite par le programmeur.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

CNN

A

Convolutional Neural Networks

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Utilité d’un CNN?

A

Classification d’image (vision artificielle)

Les CNNs s’inspirent du cortex visuel chez l’humain

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

RND (fr)

A

Réseaux et neurones à décharge

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

SNN

A

Spiking Neural Network

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Utilités des SNN?

A

Ils sont encore peu utilisés.
Sinon, ils sont très utiles dans le domaine des neuroscience, particulièrement pour simuler un système nerveux, ou une partie d’un système nerveux.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Modèles de Hodgkin et Huxley

A

Hodgkin et Huxley (1952) (prix Nobel en 1963) C’est de loin le plus complet et le plus réaliste (SNN). Il va jusqu’à simuler les canaux ioniques sur les neurones, de même que les pompes, la morphologie, etc.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Logique floue

A

Alternative à la logique booléenne traditionnelle (Fuzzy-Logic (floue) VS Crispy-Logic (bool))

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Où sont stockées les données

A

Les données sont stockées dans un fichier .fcl (File Control Langage) chargée au lancement du logiciel utilisant la logique floue.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Kevin Warwick

A

Cybernéticien britannique
Puce RFID dans le bras.
Il est identifié partout ou il passe dans son labo (lumières s’allument… Et « Hello! Professor Warwick »)

17
Q

Systèmes déterministes

A

Ils sont initialisés avec exactement les mêmes valeurs, à chaque fois.
Ils vont automatiquement avoir TOUJOURS la même sortie.
Plus simples
Plus facile à tester
Reproductibles (Important en science!)

18
Q

Systèmes stochastiques

A

Ils sont en partie aléatoires. Par exemple, les paramètres initiaux peuvent être initialisés de façon aléatoire pour être plus réalistes.

La sortie peut par contre différer à chaque fois.
Plus compliqué
Plus difficile à tester
Moins reproductibles (Problème de méthodologie!)
Plus conforme au monde réel.

19
Q

Qui a créé ROS

A

L’origine, développé en 2007 par Stanford Artificial Intelligence Laboratory et ensuite par Willow Garage (incubateur d’entreprise de recherche) pour PR2 (Personal Robot 2).
Aujourd’hui, Open Source Robotics Foundation (OSRF) gère ROS.